Пару десятилетий назад систему распознавания лиц можно было увидеть разве что в шпионских боевиках. Сегодня это практически неотъемлемая часть смартфона и даже инфраструктуры крупных городов. Что это за технология, как она работает и где применяется?

Как зародились системы распознавания лиц

Первые исследования по идентификации лиц проводились еще в 1960 году. Вуди Бледсо, профессор Техасского университета, основал свою небольшую компанию Panoramic Research Incorporated, где  тестировал всевозможные алгоритмы, в том числе по распознаванию символов, вместе с коллегами. Несмотря на то, что особых успехов компания не снискала, согласно неподтвержденным источником оставаться на плаву ей позволяло ЦРУ. 

Вуди Бледсо мечтал создать «интеллектуальную машину», в возможности которой входило распознавание лиц. В 1963 году он представил проект, согласно которому его система должна была идентифицировать по фотографиям десять лиц. Сегодня это выглядит ничтожно, но в те годы вычислительная техника представляла собой массивные шкафы с магнитными лентами и перфокартами. Не существовало даже универсального метода для элементарной оцифровки фотографий. 

Спустя четыре года проб и ошибок было решено распознавать лицо на основе нескольких ключевых точек: нос, губы, ширина рта и так далее. Созданная система в итоге смогла идентифицировать лица, опираясь на вводимые данные и предлагая правильный вариант фотографии. Однако оставалась проблема с улыбкой, разными ракурсами и возрастами для одного того же человека. Из-за таких изменений алгоритм мог идентифицировать одного и того же человека на фотографиях как разных людей. 

В итоге к 1967 году была спроектирована более совершенная система, которая уже успешно идентифицировала лица на основе обычных вырезок из газет. Что самое важное, была доказана высокая эффективность. Человек справлялся с сопоставлением подгруппы из 100 человек за три часа. Машина — за три минуты, пусть и с некоторыми огрехами. 

В 1973 году удалось создать автоматизированную систему, которая из цифровых фотографий была способна самостоятельно извлекать  данные о чертах лица. Ранее эти параметры приходилось вводить вручную. Несмотря на все эти достижения, практическое применение системы распознавания лиц началось лишь с 2010-х годов. 

Причин несколько:

1. Рост вычислительной мощности. Только в последние годы производительность компьютерной техники стала достаточной, чтобы обрабатывать такие большие объемы данных. 

2. Сформированная база. Десятилетия назад у корпораций и государственных органов не было фотографий не то что обычных граждан, но и многих преступников. Сегодня эта проблема решена благодаря социальным сетям и цифровой базе документов. 

3. Развитие камер. Лишь в последние годы появились относительно недорогие камеры с достаточным качеством съемки, что позволило применять их массово как в смартфонах, так и в системах наблюдения. 

Как работает система распознавания лиц

Распознавание лица — многоэтапный процесс. В первую очередь задействуются системы считывания, именно они получают снимок лица человека и передают его в центр обработки данных. 

Обнаружение — первый этап. В кадр камер обычно попадает не только лицо, но и множество других объектов окружения. Человек сразу же способен определить, где автомобиль, где задний план, а где находится и сам человек. Но для компьютера любая фотография — это всего лишь набор пикселей. Решением этой проблемы стал метод Виолы — Джонса, разработанный в 2001 году. 

Он основан на использовании специальных паттернов (масок), чтобы определять светлые и темные зоны. По специальной формуле из темных и светлых пикселей выполняются вычисления, на основании которых выносится результат, соответствует ли маска обрабатываемому участку изображения. В человеческом лице можно выделить конкретные паттерны. Как только алгоритм находит определенное число совпадений, он выносит вердикт — вот в этой зоне расположено человеческое лицо. Предварительно алгоритм обучают на других лицах.

Однако в последние несколько лет все больше систем уже используют нейросети. Они точнее, менее чувствительны к ракурсу съемки, а при достаточном аппаратном обеспечении еще и быстрее. 

Нормализация — второй этап после обнаружения лица. Чтобы в дальнейшем было проще определять ключевые параметры, система пытается выстроить «идеальный кадр» — лицо, которое смотрит строго прямо. Здесь могут выполняться различные преобразования вроде поворота, изменения масштаба и других деформаций. 

Построение «отпечатка лица» — следующий шаг. Как именно оно выполняется — зависит от используемого алгоритма. Все разнообразие методов можно разделить на две большие группы: геометрические и машинные.

Геометрические методы анализируют отличительные признаки изображений лица и формируют определенный массив данных на их основе. Массив сравнивается с эталоном и, если совпадение выше определенного порога — лицо найдено. 

Для анализа обычно используются ключевые точки, между которыми вычисляются расстояния. Количество требуемых точек также зависит от каждого конкретного алгоритма — может использоваться от 68 до 2000 маркеров. 

К геометрическим алгоритмам относится метод гибкого сравнения на графах, скрытые Марковские модели, метод главных компонент и другие. 

Машинные методы — это нейросети. Они  обучаются на огромной базе изображений и, анализируя совокупность определенных признаков, в итоге определяют совпадения лиц. Если максимально упростить, то для каждого фото формируется определенный вектор. Например, для трех фото (Анджелины Джоли и два Бреда Питта) мы получим три разных вектора. Разница между фотографиями Питта будет минимальной, что позволяет сделать вывод — на фото один и тот же человек. 

У крупнейших компаний имеются авторские алгоритмы, которые постепенно модифицируются. Например, в 2018 году в тестировании NIST были представлены больше десяти алгоритмов от ведущих компаний в сфере распознавания лиц. Первое место заняла китайская компания Megvii, второе — российская VisionLabs, а замкнула тройку французская фирма OT-Morpho. К другим известным проектам также стоит отнести систему DeepFace (Meta**), FaceNet (Google) и Amazon Rekognition.

Помимо 2D-распознования лиц с коэффициентом ошибок в 0,1% существует технология 3D-распознования. Для нее коэффициент составляет всего 0,0005%. В таких системах используются лазерные сканеры с оценкой дальности или сканеры со структурированной подсветкой поверхности. Самая известная технология — FaceID от компании Apple, однако и у топовых Android-смартфонов также имеются системы распознавания с построением 3D-карты. 

Применение систем распознавания лиц

Технология распознавания лиц используется в самых разнообразных сферах, как правило, в той или иной мере связанных с обеспечением безопасности. 

Первая и одна из самых больших областей — городские системы видеонаблюдения. Практически во всех крупных развитых странах уже используется или одобрена биометрическая идентификация. Городские камеры в режиме реального времени распознают сотни тысяч лиц, сравнивая результаты с огромными базами данных. Это позволяет оперативно разыскивать преступников и нелегальных мигрантов. Аналогичные системы стоят практически во всех аэропортах, а также многих вокзалах. 

Например, в 2018 году во время чемпионата мира по футболу в городах России камеры видеонаблюдения были подключены к системе Find Face Security, благодаря чему удалось выявить и задержать более 150 преступников. Система работает больше чем на десяти стадионах страны. В Китае алгоритмы получают данные со 170 миллионов камер. Если преступник попадется на одну из них, то, например,  в Пекине его арестуют уже через семь минут! 

Однако число камер —  не абсолютный показатель. Например, площадь Пекина составляет 16 410 км², а это около 70 камер на квадратный километр . Площадь Парижа — всего 105 км², здесь плотность камер намного выше — 255 штук на квадратный километр! При этом следует учитывать и места расположения — многие проулки все равно останутся в «слепой зоне». 

Одной из самых современных является система распознавания лиц в Москве. Используемые алгоритмы способны обрабатывать около одного миллиарда изображений всего за 0,5 секунды. При этом используется одновременно сразу четыре разных алгоритма распознавания от компаний NtechLab, TevianFaceSDK, VisionLabsLuna Platform и Kipod.

С 2018 года в России также начала работать ЕБС — единая биометрическая система, которая собирает «отпечатки» лиц и голоса пользователей. Благодаря этой разработке появилась возможность оформить какие-либо услуги в банках и других финансовых организациях без непосредственного посещения. 

Второе по важности применение систем распознавания лиц — коммерческое. Сюда можно отнести:

• Банковские услуги. Распознавание лиц позволяет не только идентифицировать мошенников и людей из черного списка, но и упрощает получение услуг. Например, в России уже проводились пилотные проекты по использованию банкоматов с идентификацией по лицу. 

• Системы контроля доступа.  Обеспечить безопасность предприятия и даже офиса намного проще с развитой системой видеонаблюдения и распознаванием лиц. Это не только упрощает доступ, но и позволяет оперативно выявлять любых людей, которые несанкционированно проникли на территорию. 

• Сфера торговли. Интеллектуальные системы в магазинах  могут предлагать вам, например, одежду подходящего размера, распознав вас по лицу. И это не говоря про быструю оплату по лицу. 

• Медицина. Продвинутые алгоритмы будут способны выявить отдельные эмоции, например, приступы эпилепсии или инсульты. 

• Мобильная техника. Идентификация по лицу уже стала таким же популярным методом авторизации,  как и отпечаток пальца.  

Чем грозит технология

Конечно, в теории быстрое обнаружение опасных преступников всего по паре снимков лица — отличная перспектива. Вот только на практике этика применения технологии нередко может выходить за рамки. 

Например, у ФБР есть достаточно большая база под названием Next Generation Identification (NGI) — к 2014 году в ней было уже около 100 миллионов фотографий. Вот только оказалось, что в базе содержатся не только фото преступников, но и людей, которые никогда не привлекались. Более того, используемые алгоритмы гарантировали точность всего в 80-85%. Можно не только забыть про анонимность в глобальном масштабе — ошибки системы вполне могут превратить вас в преступника, если вы на него похожи или просто попали неудачно в кадр камеры. 

Другая проблема — усиленная слежка со стороны корпораций. У многих из них и так уже имеется исчерпывающий цифровой портрет, включая ваши фотографии, геолокации и отпечатки пальцев. Однако благодаря данным систем распознавания лиц такие корпорации смогут отслеживать ваши передвижения буквально по минутам.  Получается, даже если вы никогда и нигде не выкладывали свои фотографии в социальных сетях и даже на смартфоне, ваше лицо все равно может попасть в чьи-то базы данных. 

Немаловажен и тот факт, что по лицу вас могут найти не только государственные органы, но и в принципе любой человек. После же недоброжелателям не составит труда отыскать и другие данные — адрес, телефон и так далее. Все это может вылиться в различные виды мошенничества, угроз и не только. 

Во многих странах уже подаются иски на корпорации и государственные структуры, но в крупных городах работа систем распознавания лиц будет неизбежной. Остается только надеяться, что их использование будет максимально правомерным. Впрочем, защититься все еще можно. Алгоритмы несовершенные, поэтому кепка, маска и даже очки могут внести существенные погрешности, из-за которых будет проблематично считать ваш «отпечаток лица»

Китаянку заставили смыть макияж, после того как сканер в аэропорту не распознал её лицо

Жительница Шанхая не смогла пройти проверку системы распознавания лиц в аэропорту, поскольку её внешность не совпала с фотографией в паспорте. В итоге женщине пришлось прямо на месте делать демакияж.

Взято отсюда https://t.me/+wZUp8S3EIW80MTgy

@smolakovi350

Играем спокойно, но когда игра требует хоть малейшего внимания или логики, то начинается битва трехсот спартанцев.

@EvilMatha

Мы в семье обожаем настолки! Есть кооперативные, где мы вместе разгадываем загадки или распутываем вымышленные преступления. Иногда такие игры проходят не без ругани, особенно со стороны папы :) Он погружается в сюжет и начинает нервничать, если мы совершаем ошибки. Но это все равно весело)))

@antinomia

«Сет», «Quarto», «Пентаго» или «Spot it» — неважно. В нашей семье ставки всегда высоки! Потому что выигравший получает пульт от телевизора, а проигравший моет посуду :)

@user8597021

Я родила себе напарников для игры в «Манчкин»! 👑🐉У меня две дочери, и каждый вечер у нас разворачиваются эпические баталии за звание самого хитровывернутого манчкина. Главное правило: «Ничего личного, это только игра!» Никакой жалости, только холодный расчет и предательский смех в темноте. 😈 

Настолки — это… создавать традиции

Например, играть по определенным дням или в определенном месте, готовить любимые блюда. Впрочем, бывают и весьма необычные.

@valerius

Традиция — это вечер пятницы с семьей в малую настолку, да) это здорово)) я всех своих любимых вижу и мы хоть и соперничаем, но достигаем побед. Это круто!

И традиция раз в месяц в субботу с друзьями играть в настолку, жарить стейки))

@snakeks

Одно из интересных наших правил: чтоб победитель не сильно радовался, он собирает игру обратно в коробку, каких бы размеров она ни была) один, без помощи. Но обычно игры проходят весело, и участники с удовольствием помогают.

@DemoNaoki

У нас есть традиция встречаться в баре и играть в «Место преступления». Как вы понимаете, за все годы столько глухарей накопилось...

@kypazh

С 2016 года начала образовываться наша игровая «ячейка». Традиционный день — четверг (с 18 до 23). Сначала это было 2−3 стола в антикафе, но когда перестали там помещаться, переехали в клуб настольных игры. В 2018 году увидели, как в Подмосковье проводится настольный кэмп. И нам так понравилась эта идея, что мы провели свой. Потом еще. Теперь мы проводим Кэмп 3 раза в год.

@gsamsa

У нас с друзьями есть традиция планировать собраться и поиграть (и не собираться и не играть)

Настолки — это… нарушать правила

В некоторых играх правила настолько сложные, что сразу и не разберешься. Через несколько лет запросто может оказаться, что вы все время играли по своим собственным. К тому же придумать клевые фишки можно в любой момент.

@IinternetLoL

Мы 5 лет играли в «Ужас Аркхэма» 2 редакции. А потом в очередной раз заглянули в правила в спорный момент и выяснили, что играли неправильно в одном ключевом моменте игры, что распространялось в итоге на все партии. И все наши победы таким образом обнуляются :)

@user8946569

Мы решили созывать «совет старейшин», чтобы вдохнуть жизнь в надоевшие игры. Каждый высказывается по поводу нелюбимых правил, и мы коллективно решаем, что оставить, а что выбросить. Однажды так модернизировали «Уно», что теперь можно красть карты соперников и блокировать игроков смехом )))

Настолки — это… откладывать на потом

Некоторые пикабушники признались, что совсем не играют в настолки или не могут найти напарников и время. Хорошо, что в «Много призов» можно играть одному прямо в приложении Додо Пиццы!

@user5087694

Мы купили 4 настолки, сыграли в них по разу с женой. Теперь они лежат, у нас нет времени в них играть.

@Jeelli

У меня целая коллекцию настолок, а играть не с кем. Может, завести кота? ))

@jukovod

Самая любимая «Codenames». В другие не играю. Вот только не всегда удается найти компанию.

@R3pl1k4nt

Один раз мы почти подрались, с тех пор не играем)

Настолки — это… найти свою половинку

Так что не упускайте шанс и смотрите в оба. Вдруг ваш идеальный партнер сидит напротив и мучительно размышляет, как поставить вам мат.

@MariK38

Я познакомился с женой благодаря «Алиас». Она странно объясняла слова, совсем непонятно, но так эмоционально, что мое сердце пропустило удар. Так и живем 9 лет. Обожаю ее!

Играйте в любимые настолки и обязательно заходите в приложение Додо Пиццы. Там можно получить моментальные подарки и собрать кусочки для участия в большом розыгрыше «Много призов». На кону путешествия, годовые запасы пиццы и подарочные сертификаты в любимые магазины. И прямо сейчас скидка на заказ!